Elasticsearch 使用一种叫做倒排索引的结构来做快速的全文搜索。倒排索引由在文档中出现的单词列表,以及每个单词所在的文档组成。例如,我们有两个文档,每个文档都有一个 content 字段,内容如下:
# 文档1
The quick brown fox jumped over the lazy dog
# 文档2
Quick brown foxes leap over lazy dogs in summer
为了创建倒排索引,我们首先切分每个文档的content字段为单独的单词(我们把它们叫做词项(terms)或者词条(tokens)),把所有的唯一词项terms放入列表中并排序,并列出每个词项出现在哪些文档中,结果是这个样子的:
现在,如果我们想搜索"quick brown",我们只需要找到每个词在哪个文档中出现即可:
两个文档都匹配,但是第一个比第二个有更多的匹配项。 如果我们使用一个简单的相似度算法(similarity algorithm),只是计算匹配单词的数目,这样我们就可以说第一个文档比第二个匹配度更高——对于我们的查询具有更多相关性。
但是在我们的倒排索引中还有些问题:
(1)"Quick"和"quick"被认为是不同的单词,但是用户可能认为它们是相同的。
(2ÿ